https://padlet.com/jamaya75/x0xtdk737lmoygvx Conceptos básicos, Tipos de muestreo, Ejemplos en-us 2023-05-28 22:05:52 UTC 2023-06-05 06:06:16 UTC hello@padlet.com https://i.vimeocdn.com/portrait/26291448_640x640 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2607357337 Johnatan Camilo Amaya - grupo 13]]> 2023-05-28 22:46:08 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2607357337 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2607361068 La selección aleatoria garantiza que cada sujeto tenga la misma oportunidad de ser seleccionado, lo que ayuda a obtener una muestra representativa del universo en estudio. Este tipo de muestreo es apropiado cuando el objetivo es obtener conclusiones válidas y generalizables sobre el universo basándose en la muestra seleccionada.

cada sujeto del universo tiene una probabilidad igual de ser seleccionado para formar parte de la muestra. En esta etapa, se utiliza un método de selección aleatoria, como el sorteo o el uso de una tabla de números aleatorios, para elegir los sujetos que integrarán la muestra.]]> 2023-05-28 22:59:58 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2607361068 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613117163 Matthew Ruiz Meza - Grupo 13]]> 2023-06-02 16:47:33 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613117163 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613135981 No es necesario tener una lista exhaustiva de todos los sujetos en el universo, ya que el objetivo principal del muestreo aleatorio simple es garantizar la aleatoriedad en la selección de la muestra. En lugar de contar con una lista completa de sujetos, se puede utilizar una aproximación del tamaño de la población para determinar el tamaño de la muestra y aplicar técnicas de selección aleatoria, como el sorteo o el uso de tablas de números aleatorios.

no se asocia directamente a un tipo específico de muestreo, ya que se aplica a varios tipos de muestreo, como el Muestreo Aleatorio Simple, el Muestreo Aleatorio Estratificado y el Muestreo Aleatorio por Conglomerados]]> 2023-06-02 17:15:26 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613135981 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613152722 la población objetivo se divide en estratos o subgrupos homogéneos basados en características relevantes. Para llevar a cabo la selección de la muestra, se requiere un marco muestral o una lista que contenga todos los sujetos individuales del universo, clasificados por estratos.]]> 2023-06-02 17:40:33 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613152722 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613157909 La división en estratos tiene como objetivo garantizar que todos los grupos relevantes de la población estén representados en la muestra, y que las estimaciones obtenidas sean más precisas y representativas. Cada estrato se trata como una mini-población y se selecciona una muestra aleatoria dentro de cada estrato. Esto permite capturar la variabilidad y la heterogeneidad presente en la población objetivo.]]> 2023-06-02 17:48:45 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613157909 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613159713 se requiere una lista de conglomerados que represente adecuadamente el universo de estudio. Los conglomerados pueden ser identificados y listados previamente, lo que permite seleccionarlos de forma aleatoria para formar la muestra. Una vez que los conglomerados son seleccionados, se puede realizar un muestreo adicional dentro de cada conglomerado para seleccionar individuos o elementos específicos.]]> 2023-06-02 17:50:50 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613159713 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613165351 La idea detrás del muestreo por conglomerados es reducir la complejidad y el costo del muestreo al agrupar los sujetos en conglomerados. En lugar de seleccionar cada sujeto individualmente, se seleccionan aleatoriamente los conglomerados y luego se estudian todos los sujetos dentro de los conglomerados seleccionados. Esto es especialmente útil cuando no es posible acceder directamente a cada sujeto o cuando el costo de muestrear cada sujeto es alto.]]> 2023-06-02 17:59:30 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613165351 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613171009 se seleccionan aleatoriamente algunos conglomerados de la población y, dentro de cada conglomerado seleccionado, se pueden incluir todos los sujetos que forman parte de él. Esto significa que si se elige un conglomerado en particular, se incluirán todos los sujetos que residen en ese conglomerado en la muestra.]]> 2023-06-02 18:08:47 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613171009 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613202956 se selecciona una muestra aleatoria de individuos de la población y a partir de esa muestra se calculan los estadísticos de interés, como la media, la proporción o la desviación estándar.]]> 2023-06-02 19:01:17 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613202956 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613214448 se aplica un patrón sistemático para seleccionar los sujetos de la muestra. Se establece un intervalo de selección y se elige aleatoriamente un número inicial dentro de ese intervalo. Luego, se seleccionan sistemáticamente los sujetos a intervalos regulares, dejando pasar un cierto número antes de estudiar el siguiente.]]> 2023-06-02 19:25:37 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613214448 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613227047 Esta lista actúa como una base para seleccionar aleatoriamente los elementos de la muestra. Cada sujeto tiene una probabilidad conocida y igual de ser seleccionado, lo que garantiza que la muestra sea representativa de la población objetivo.]]> 2023-06-02 19:54:15 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613227047 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613264558 En el muestreo aleatorio simple, no se requiere de una lista de todos los sujetos del universo. En este tipo de muestreo, se parte de una aproximación del tamaño del universo en estudio y se seleccionan aleatoriamente los sujetos que integrarán la muestra mediante sorteo o tabla de números aleatorios. No es necesario tener una lista completa de todos los sujetos, ya que la selección se realiza de forma aleatoria y cada sujeto tiene una probabilidad conocida y no nula de ser seleccionado.]]> 2023-06-02 21:31:13 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613264558 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613264827 En el muestreo aleatorio estratificado, generalmente se requiere de un marco muestral o lista de los sujetos en el universo. Sin embargo, en ciertos casos, si se tiene una aproximación del tamaño del universo en estudio y se conocen las proporciones o tamaños de cada estrato, es posible llevar a cabo el muestreo sin una lista completa de todos los sujetos. En este caso, se divide el marco muestral en estratos y se selecciona aleatoriamente una muestra de cada estrato en proporción a su tamaño o importancia en la población. La falta de una lista completa de todos los sujetos se compensa con la información sobre las proporciones o tamaños de los estratos.]]> 2023-06-02 21:32:05 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613264827 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613268738 El objetivo de este enfoque es garantizar que la muestra sea representativa y aleatoria, pero también sistemática en su selección. Al seleccionar los sujetos de manera consecutiva dentro del marco muestral, se obtiene una distribución uniforme en la selección, lo que evita posibles sesgos y asegura una representación adecuada de la población.]]> 2023-06-02 21:43:01 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613268738 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613270592 la población se divide en estratos y se selecciona una muestra aleatoria de cada estrato. Luego, se calculan los estadísticos de interés en cada estrato y se combinan para obtener una estimación global.]]> 2023-06-02 21:49:29 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613270592 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613271735  los sujetos se seleccionan de manera consecutiva dentro de cada conglomerado seleccionado hasta que se alcance el tamaño de muestra deseado. Esto significa que se toman todos los sujetos del primer conglomerado seleccionado, luego se continúa con los sujetos del segundo conglomerado, y así sucesivamente, hasta que se complete el tamaño de la muestra requerido.]]> 2023-06-02 21:53:25 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613271735 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613275248 en la encuenta se utilizaron los siguientes tipos de muestreo:

Probabilístico: Se menciona que cada unidad de muestreo tiene una probabilidad de selección conocida y superior a cero. Esto significa que todas las unidades dentro del marco muestral tienen la posibilidad de ser seleccionadas para formar parte de la muestra, lo que permite realizar inferencias estadísticas precisas sobre la población objetivo.

Multietápico: El proceso de selección de las unidades de observación se lleva a cabo en dos etapas: selección de manzanas en la primera etapa y selección de segmentos en la segunda etapa. En la primera etapa, se seleccionan las manzanas proporcionalmente al tamaño sistemático. En la segunda etapa, se seleccionan los segmentos utilizando un muestreo aleatorio simple de conglomerados. Este enfoque de múltiples etapas ayuda a simplificar y optimizar el proceso de selección de la muestra.

Estratificado: El diseño muestral incluye la estratificación de las 24 ciudades con sus áreas metropolitanas. Esto implica que se divide la población objetivo en subgrupos homogéneos (estratos) y se selecciona una muestra de cada estrato. La estratificación permite capturar las variaciones existentes dentro de cada estrato y asegurar que estos estén representados adecuadamente en la muestra.

De conglomerados: Los conglomerados en este caso están definidos por las unidades secundarias de muestreo (USM), que corresponden a grupos de 10 viviendas contiguas en promedio. Se seleccionan dos USM, cada uno conformado por 20 unidades de vivienda, con el objetivo de obtener al menos 10 encuestas completas a hogares y miembros del hogar. Este enfoque de conglomerados facilita la organización y la logística del proceso de recolección de datos.

para concluir se utilizó un muestreo probabilístico multietápico, estratificado y de conglomerados para garantizar la representatividad de la muestra y permitir la generalización de los resultados a la población objetivo. Este diseño ofrece una estructura robusta para obtener estimaciones precisas y confiables sobre las características de interés en el estudio.]]> 2023-06-02 22:06:13 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613275248 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613280319 para esta encuesta se hizo uso de estos tipos de muestreo:

Probabilístico: Cada unidad de muestreo tiene una probabilidad de selección conocida y mayor que cero. Esto permite calcular la precisión de los resultados obtenidos a partir de la información recolectada.

Estratificado: Se realiza una estratificación de las unidades primarias de muestreo (UPM) en desagregaciones geográficas mínimas, como UPZ (Unidad de Planeamiento Zonal) en Bogotá y localidades en otros municipios. Esta estratificación permite tener representación de diferentes áreas geográficas dentro de la muestra.

De conglomerados: Los conglomerados están definidos por la unidad primaria de muestreo, que en este caso son segmentos compuestos por aproximadamente 10 viviendas vecinas. Se encuestan todas las viviendas, hogares y personas dentro de los conglomerados seleccionados. La selección de conglomerados se realiza utilizando un muestreo sistemático de único arranque.

se utilizó un muestreo probabilístico estratificado y de conglomerados para la Encuesta Multipropósito Bogotá - Cundinamarca, con el objetivo de obtener estimadores in-sesgados de los parámetros de interés y asegurar una precisión preestablecida para las estimaciones.]]> 2023-06-02 22:24:20 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613280319 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613282804 en la encuenta se utilizaron los siguientes tipos de muestreo:

muestreo no probabilístico: La determinación del tamaño de muestra se basa en el número de fuentes en los mercados mayoristas, específicamente el número de comerciantes mayoristas que cumplen con los criterios establecidos. Se realizan una o dos rondas por producto, tomando hasta cuatro cotizaciones en cada ronda. Para el arroz y sus subproductos en molino, se registra una sola cotización por fuente.

El mantenimiento de la muestra y la rotación de fuentes se llevan a cabo en esta operación estadística. Se establecen criterios para determinar la inclusión o exclusión de unidades de muestreo, como cambios en la actividad comercial, localización dentro del punto de venta estudiado, facilidad para la toma de información, comercialización mayorista de los productos incluidos en la canasta, y disposición para brindar información.

La rotación de fuentes se realiza en función de factores como el volumen que comercializan, la frecuencia de presencia en el mercado mayorista, la calidad del producto y la disponibilidad del producto en la ubicación y dentro del mercado. Si una fuente cambia de actividad o se retira del mercado, se busca una nueva fuente que cumpla con los criterios establecidos.

En resumen, la investigación SIPSA_P utiliza un muestreo no probabilístico, con determinación de tamaño de muestra basada en el número de fuentes en los mercados mayoristas. Se realiza un mantenimiento y rotación de fuentes, se controla el sesgo a través de capacitación y herramientas de seguimiento, y se implementan medidas de calidad adicionales.]]> 2023-06-02 22:33:06 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613282804 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613287058 2023-06-02 22:47:02 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613287058 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613287771 2023-06-02 22:49:22 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613287771 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613288108 2023-06-02 22:50:28 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613288108 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613289120 2023-06-02 22:54:29 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613289120 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613289781 2023-06-02 22:57:18 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613289781 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613388505 Representatividad: Proporciona una representación imparcial de la población objetivo, lo que significa que cada individuo o elemento tiene la misma probabilidad de ser seleccionado.

Facilidad de implementación: Es relativamente fácil de entender y aplicar, ya que solo implica seleccionar elementos al azar de la población de estudio.

Inferencia estadística: Permite el uso de técnicas estadísticas bien establecidas para realizar inferencias precisas sobre la población basadas en los datos de la muestra.

Reducción del sesgo de selección: Al seleccionar al azar, se minimiza el sesgo de selección, lo que puede aumentar la validez y la fiabilidad de los resultados.]]> 2023-06-03 04:54:11 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613388505 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613388606 Puede ser costoso y llevar tiempo identificar y acceder a todos los elementos de la población para construir el marco muestral adecuado.

Si la población de estudio está geográficamente dispersa o es difícil de acceder, puede resultar complicado implementar un muestreo aleatorio simple.

El muestreo aleatorio simple puede no ser la mejor opción cuando se busca obtener una muestra representativa de subgrupos minoritarios o poco comunes en la población, ya que la probabilidad de seleccionarlos puede ser baja.

Debido a la aleatoriedad en la selección, es posible que la muestra no refleje con precisión todas las características de la población, lo que puede llevar a una mayor variabilidad en las estimaciones.]]> 2023-06-03 04:54:39 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613388606 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613389270 Eficiencia: El muestreo sistemático es más eficiente en comparación con el muestreo aleatorio simple, ya que no requiere seleccionar elementos al azar de toda la población. Una vez que se selecciona el primer elemento al azar, los elementos subsiguientes se eligen en un patrón sistemático.

Fácil implementación: Es relativamente fácil de implementar, ya que solo se necesita identificar el tamaño de la población y determinar el intervalo sistemático para seleccionar los elementos de la muestra.

Representatividad: Si la población está bien mezclada y no existe un patrón sistemático en la disposición de los elementos, el muestreo aleatorio sistemático puede proporcionar una muestra representativa de la población.]]> 2023-06-03 04:57:14 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613389270 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613389342 Si existe un patrón sistemático en la disposición de los elementos de la población y coincide con el intervalo sistemático utilizado en la selección de la muestra, puede introducir sesgo en los resultados.

El orden en el que se disponen los elementos puede influir en los resultados del muestreo aleatorio sistemático. Si existe alguna secuencia o patrón no aleatorio en la población, esto puede afectar la representatividad de la muestra.

Dependiendo del tamaño de la población y el tamaño de la muestra deseada, es posible que algunos elementos de la población no tengan la oportunidad de ser seleccionados en la muestra si el intervalo sistemático no coincide con su posición en la secuencia.]]> 2023-06-03 04:57:38 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613389342 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613389662 Mayor precisión: Al dividir la población en estratos y seleccionar una muestra aleatoria de cada estrato, se puede obtener una estimación más precisa de los parámetros de interés en comparación con el muestreo aleatorio simple. Esto se debe a que se tiene en cuenta la variabilidad dentro de cada estrato.

Representatividad: El muestreo estratificado garantiza que cada estrato esté representado en la muestra, lo que permite una representación más precisa de la población total. Esto es especialmente útil cuando existen subgrupos heterogéneos en la población y se desea obtener estimaciones confiables para cada estrato.

Eficiencia en el uso de recursos: El muestreo estratificado puede ser más eficiente en términos de costos y tiempo, ya que se puede asignar de manera proporcional el tamaño de la muestra a cada estrato en función de su importancia o variabilidad. Esto permite obtener resultados precisos sin requerir una muestra grande de toda la población.]]> 2023-06-03 04:59:22 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613389662 mruiz1282 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613389792 Identificar y definir adecuadamente los estratos de la población puede ser un desafío. Si los estratos no se seleccionan correctamente o no son representativos de la población, puede haber sesgos en los resultados.

El muestreo estratificado requiere una planificación cuidadosa y un diseño más complejo en comparación con el muestreo aleatorio simple. Se deben determinar los estratos y calcular los tamaños de muestra correspondientes a cada estrato, lo que puede requerir conocimientos adicionales y tiempo adicional en la fase de planificación del estudio.

Aunque el muestreo estratificado mejora la precisión de las estimaciones, aún existe la posibilidad de que ocurran errores de muestreo dentro de los estratos individuales. Si hay una alta variabilidad dentro de un estrato específico, una muestra pequeña puede no ser representativa y afectar la precisión de las estimaciones en ese estrato.]]> 2023-06-03 04:59:59 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613389792 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613390220 Eficiencia en el uso de recursos: El muestreo por conglomerados puede ser más eficiente en términos de costos y tiempo, ya que se pueden seleccionar solo algunos conglomerados en lugar de realizar un muestreo exhaustivo de toda la población. Esto es especialmente útil cuando la población es extensa o dispersa geográficamente.

Representatividad: Si los conglomerados seleccionados son representativos de la población, el muestreo por conglomerados puede proporcionar estimaciones precisas de los parámetros de interés. Los conglomerados pueden ser unidades naturales o grupos que comparten características similares, lo que aumenta la representatividad de la muestra.

Facilidad de implementación: El muestreo por conglomerados puede ser más fácil de implementar en comparación con otros métodos de muestreo más complejos. La identificación y selección de los conglomerados puede ser más sencilla que seleccionar elementos individuales de la población.]]> 2023-06-03 05:02:12 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613390220 jamaya75 https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613390315 Debido a la naturaleza del muestreo por conglomerados, donde se seleccionan solo algunos conglomerados en lugar de todos los elementos individuales, puede haber una pérdida de precisión en comparación con el muestreo aleatorio simple. La variabilidad dentro de cada conglomerado puede afectar la precisión de las estimaciones.

Si los conglomerados seleccionados no son representativos de la población, puede haber sesgo en los resultados. Por ejemplo, si algunos conglomerados tienen características atípicas, las estimaciones basadas en esos conglomerados pueden estar sesgadas.

El análisis de datos obtenidos mediante muestreo por conglomerados puede requerir técnicas estadísticas más complejas debido a la estructura de agrupamiento de los datos. Se deben tener en cuenta los tamaños de los conglomerados y las relaciones de dependencia dentro de los conglomerados al realizar análisis estadísticos adecuados.]]> 2023-06-03 05:02:42 UTC https://padlet.com/jamaya75/x0xtdk737lmoygvx/wish/2613390315